机器学习与人类学习

原来为了有关製作，该片的製作组先花了3个月时间，去找出有关演员20岁时的模样，然后再交由不同组别的专业人士去处理模型、肌肉，以及调校现场的灯光变化，再以机器学习还原他们年轻时的面孔。

现时机器学习常被应用在各个领域。除了以上的换脸例子之外，其他常见的应用还包括自然语言处理、网上翻译、语音辨识、垃圾邮件自动判定、影片推荐及影像分类等等。

机器学习的限制

简单来说，机器学习可以定义为「让机器学习如何将输入的资料（X）透过一系列的运算，转换成指定的输出（Y），并提供一个衡量成功的方式，让机器知道怎幺修正学习方向」。根据这个定义基础，我们可联想到机器学习的现实例子，例如在推荐系统的应用上，将使用者过去的购买纪录（X），转成使用者可能想要购买的商品列表（Y）。在垃圾邮件判断上，将邮件内文（X），转成该邮件为垃圾信的机率（Y）。

近年因为电脑有强大的记忆及运算能力，机器学习在很多任务上都已经超越人类的表现。然而，机器并没有意识判断「为什幺」及何谓「正确」。实际上，在机器学习的过程中，机器并没有意识到为什幺要完成任务；而如果没有人类的介入的话，电脑也不会自己定义该往什幺方向学习，例如电脑不会自己自动自觉地说：「因为今年是猪年，我觉得把相片裏面的猪识别出来，比识别出交通灯来得重要。」

因此，在未来的发展上，不管学习的是机器还是人类，最重要的课题也许是学习如何去概括(Generalize)事物并避免过适(Overfitting)，即只学到事物表象的问题。

英国切斯特大学金融科技及数据分析教授梁港生(逢周一刊出)